基于径向基函数神经网络的光电系统自适应控制

针对光电跟踪系统对于跟踪目标的高精度需求,在硬件设计选型、装调适配完成后,通常需要伺服控制系统设计合理的算法以改善跟踪精度.为持续提高伺服控制系统的综合能力,首先分析跟踪精度的误差模型,通过理论推导以及典型数值计算仿真的方式,验证伺服控制器控制增益对于跟踪精度改善的重要性.在对比多型控制算法基础上,提出基于径向基函数神...     

基于复合基神经网络的声目标分类识别

根据径向基函数(RBF)神经网络和前馈(BP)神经网络的特点，将BRF网络和BP网络结合起来构成复合基网络，并使用此网络进行声信号的分类识别。试验表明，该网络具有较好的综合分类识别性能，其分类能力优于RBF网络和BP网络。     

基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法

在多自主水下航行器(AUV)协同定位系统中,针对协同定位性能受到系统内部和外部等多种因素制约的问题,提出一种基于径向基函数(RBF)神经网络辅助容积卡尔曼滤波(CKF)的多AUV协同定位方法。当基准参考位置可用时,通过非线性CKF得到滤波新息、预测误差和滤波增益作为RBF神经网络输入层的输入,滤波误差值作为输出对RBF神经网络进行训练;当基准信号中断时,利用训练好的RBF神经网络,对CKF的滤波状态估计值进行补偿,进而得到新的估计状态。利用湖试数据,模拟多AUV协同定位系统输入存在误差情况下的协同定位实验。实验结果表明,所提方法与无RBF辅助的CKF方法相比,平均定位误差减小70%,具有更好的准确性和稳定性。     

几种双站无源被动交叉定位模型及其误差分析

介绍了5种双站空间无源交叉定位的解析算法,推导了误差模型,分析了定位精度的影响因素,并在Matlab环境下进行了仿真。对仿真结果的分析明确了定位精度的影响因素。     

一种调整型径向基神经网络偏微分方程解法

基于径向基神经网络（RBFN）的偏微分方程（PDE）求解算法中，仅通过搜索最佳权值逼近方程解，精度有限。实际上在建立的RBFN中可能存在对求解PDE贡献很小的但是增加算法复杂度的神经元．或者缺少对方程解贡献很大的辅助神经元。基于这个事实我们提出一种新的算法：在搜索最佳权值同时调整RBFN结构，删除对方程解贡献小的神经元，增加对方程解贡献大的辅助神经元；采用最小均方误差梯度下降法得到最优权值；最后得到PDE的逼近解。仿真实验表明新算法较传统的RBFN算法．精度更高，误差收敛速度更快；可广泛应用于工程实践。     

基于径向基神经网络的水声微弱信号检测

为了克服传统随机信号处理手段检测水声微弱信号的缺陷,提高水声微弱信号检测效率,详细分析了海洋混响噪声的混沌特性,将混沌理论中相空间重构理论与径向基神经网络相结合建立了预测模型,从模型预测值与实际观测值的绝对误差中检测出微弱谐波信号频谱值,通过解算获取回波信号包含目标信息,从而提出了一种海洋混响混沌序列预测方法。相比传统随机信号处理手段检测水声微弱信号的方法,本文建立的预测模型克服了将背景噪声简化作白噪声的低信噪比检测缺陷,检测结果准确,检测效率高,适用于水声微弱信号检测。     

空中节点的三维测向定位算法

研究了利用地面上2个固定基站根据测向定位的方法对空中阵列的节点进行三维定位的算法．该算法中,首先需建立坐标系,给出地面基站和空中阵列某节点的位置坐标,然后根据测向定位的数学原理给出空中阵列节点定位的数学模型,并求得空中阵列节点在此坐标系中的坐标．随后采用求偏导的方法得到求解该模型定位精度的公式．最后对选定坐标范围内的空中阵列节点的定位精度针对不同的条件进行了仿真,并对仿真结果进行了分析,得到了影响定位误差的因素．     

双站无源均值定位算法精度分析

为提高多站无源定位的精度,以固定双站测向交叉定位为背景,从误差几何稀释度（GDOP）的角度对量测均值及交点均值算法的定位精度进行了分析,指出了前者具有估计的一致性而后者仅具有弱一致性。仿真结果验证了对上述算法性能的分析结果。最后指出了多站无源定位中对量测处理的重要性。     

基于径向基函数神经网络和无迹卡尔曼滤波的弹丸落点预报方法研究

为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数（RBF）神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。     

基于径向基神经网络的电火工品安全电流预测方法

为了预测单发电火工品的安全电流,通过瞬态脉冲试验得到电火工品的电阻和集总热散失系数,结合升降法得到的安全电流对集总热散失系数进行补偿,采用径向基（RBF）神经网络预测电火工品的安全电流。结果表明： 安全电流预测值与发火验证试验结果基本一致,为264 mA; 预测值高的电火工品在相同的恒流脉冲下发火的概率小; 预测均值与升降法得到的整批产品的安全电流相等。     

基于RBF神经网络的引信智能天线多目标方向估计

提出了一种基于径向基函数(RBF)神经网络的引信智能天线多目标方向估计算法,对引信智能天线进行了结构和训练算法的设计.理论分析和测试结果表明,此算法充分利用了径向基函数神经网络的结构简单、自学习能力强、运算速度快、模式分类能力强等特点,可以实现多目标高分辨率方向估计.     

基于RBF神经网络的互联网时延预测仿真

RBF神经网络采用正交最小平方算法(OLS)决定隐层单元数目、基函数的中心和权值.该算法以每个输入样本为聚类中心,随着正交运算次数的增加,网络的输出误差平方将逐步减小到设定误差范围内,得到隐含层节点数和网络的权值.仿真表明RBF神经网络是有效的.     

基于RBF网络和IMM的机动目标跟踪方法

文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差．网络输出反映了由于目标机动所带来的滤波误差．将网络输出结果和直接由卡尔曼滤波求解得到的结果相加．可以得到更为准确的滤波值。同时．在网络的学习算法中．在网络权值矩阵的修正公式中增加了反映滤波残差的调整项．若卡尔曼滤波的残差较大，网络调整权值的幅度也相应增大。仿真结果表明．在目标发生机动转弯处．校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差．跟踪精度较高。     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

采用RBF神经网络的状态监测数据趋势预测

采用RBF神经网络的状态监测数据趋势预测,通过选取状态参数、数据预处理、运用Matlab神经网络工具箱建立RBF神经网络模型.先对网络初始化,确定输入、输出和隐含层的节点数.再将网络输出结果与样本比较,根据求得误差值逐步调整隐含层神经元数量,直至误差满足实际需求为止.对网络仿真证明该法具有较高精度.     

基于RBF 神经网络的导弹备件需求量预测仿真

针对导弹部署后期与备件有关的各项保障数据相对较多的情况,提出采用径向基函数（Radial Basis Function,RBF）网络方法。以某型导弹的某备件为预测对象,对导弹维修备件需求影响因素进行分析,介绍RBF网络的结构、工作原理及预测步骤和流程图,并进行仿真结果分析。分析结果表明,该方法比普通前向网络训练省时,能解决备件需求量的预测问题。     

几种基于神经网络的导弹惯性器件故障预报方法及其性能比较

研究了标准BP网络、改进的BP网络(带动量的自适应BP网络)、 L-M网络和RBF网络及其学习算法, 探讨了基于这四种神经网络的导弹惯性器件故障预报方法, 并通过仿真实验对四种网络的预测预报性能进行了分析比较.结果表明, L-M网络和RBF网络对惯性器件的故障预报比两种BP网络更准确, 收敛速度更快.